计算机工程

作者：郭继鹏, 徐世龙, 龙家豪, 王友清, 孙艳丰, 尹宝才

单位：1. 北京化工大学信息科学与技术学院, 北京 1000292. 北京工业大学信息科学与技术学院, 北京 100124

关键词：多视角子空间聚类,双跨视角相关性检测,低秩张量学习,张量核范数,一致性,互补性

基金：国家自然科学基金(62403043); 国家资助博士后研究人员计划(GZC20230203); 中国博士后科学基金(2023M740201); 北京市自然科学基金(4244085)

随着多媒体和数据采集技术的快速发展, 多视角数据越来越常见。相比于单视角数据, 多视角数据可以提供更丰富的描述信息, 提高样本结构信息的挖掘效率。针对多视角子空间聚类任务, 提出基于双跨视角相关性检测的多视角子空间聚类算法。首先, 考虑噪声干扰和高维数据冗余性对多视角聚类效果的影响, 采用线性投影变换来获得原始数据的低维低冗余潜在表示, 并利用其进行自表示学习获得准确的子空间表示。其次, 为了充分挖掘多视角数据的互补性信息, 对潜在特征表示和子空间表示进行跨视角相关性关系检测, 具体为: 将多视角潜在特征视为低层次表示, 利用希尔伯特-施密特独立性准则(HSIC)探索和保留多视角特征的多样性属性; 对于包含一致的高层次聚类结构信息的多视角子空间表示, 引入低秩张量约束充分捕获跨视角高阶相关性关系和互补性信息。最后, 采用增广拉格朗日乘子交替方向极小化算法求解模型的优化问题。在真实数据上的实验结果表明, 与对比方法中的次优方法相比, 该算法在6个基准数据集上的聚类准确率分别提高了3.00、3.60、1.90、2.00、7.50和1.90百分点, 该结果验证了该算法的优越性和有效性。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期